期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自注意力的门控卷积神经网络的要素类情感分类研究
1
作者
张颖
郑建国
《计算机科学与应用》
2020年第11期2064-2077,共14页
[目的/意义]近年来,将注意力机制与LSTM模型结合的方法常被用于要素类情感分类任务,但是该方法存在参数多、训练时间长的弊端。门控卷积神经网络模型不仅结构简单、参数少、运行时间短,还能分别提取要素特征和情感特征、具有较高的分类...
[目的/意义]近年来,将注意力机制与LSTM模型结合的方法常被用于要素类情感分类任务,但是该方法存在参数多、训练时间长的弊端。门控卷积神经网络模型不仅结构简单、参数少、运行时间短,还能分别提取要素特征和情感特征、具有较高的分类精度,但是该模型采用的要素类嵌入是预定义的、与上下文无关。对要素类情感分类任务来说,要素类的质量对预测文本在要素类上情感极性的准确率的重要性不言而喻。[方法/过程]本文关联要素类提取和要素类情感分类任务,提出融合自注意力机制下的要素类特征的门控卷积神经网络模型,通过结合自注意力机制的神经网络提取出基于上下文优化的要素类嵌入,然后将优化后的要素类向量和文本词向量通过门控卷积神经网络进行训练。[结果/结论]在2014年至2016年的SemEval数据集上的实验结果表明,本文提出的模型能有效改善要素类提取的效果和提高要素类情感分类的分类准确率。
展开更多
关键词
要素类提取
要素
类
情感分
类
自注意力机制
门控卷积神经网络
下载PDF
职称材料
题名
基于自注意力的门控卷积神经网络的要素类情感分类研究
1
作者
张颖
郑建国
机构
东华大学旭日工商管理学院
出处
《计算机科学与应用》
2020年第11期2064-2077,共14页
文摘
[目的/意义]近年来,将注意力机制与LSTM模型结合的方法常被用于要素类情感分类任务,但是该方法存在参数多、训练时间长的弊端。门控卷积神经网络模型不仅结构简单、参数少、运行时间短,还能分别提取要素特征和情感特征、具有较高的分类精度,但是该模型采用的要素类嵌入是预定义的、与上下文无关。对要素类情感分类任务来说,要素类的质量对预测文本在要素类上情感极性的准确率的重要性不言而喻。[方法/过程]本文关联要素类提取和要素类情感分类任务,提出融合自注意力机制下的要素类特征的门控卷积神经网络模型,通过结合自注意力机制的神经网络提取出基于上下文优化的要素类嵌入,然后将优化后的要素类向量和文本词向量通过门控卷积神经网络进行训练。[结果/结论]在2014年至2016年的SemEval数据集上的实验结果表明,本文提出的模型能有效改善要素类提取的效果和提高要素类情感分类的分类准确率。
关键词
要素类提取
要素
类
情感分
类
自注意力机制
门控卷积神经网络
Keywords
Aspect Category Extraction
Aspect Category Sentiment Classification
Self-Attention Mechanism
Gated Convolutional Nueral Network
分类号
G63 [文化科学—教育学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自注意力的门控卷积神经网络的要素类情感分类研究
张颖
郑建国
《计算机科学与应用》
2020
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部